基于面板数据的灰色指标关联模型构建及其应用

针对现有面板数据灰色关联模型中对象的排列顺序变换引起灰色关联序不一致的缺陷,提出一种基于面板数据的新型灰色指标关联模型.考虑到面板数据的时间维度和对象维度差异特征,在时间维上利用增量表征指标的发展水平,对象维上引入离差表征指标的分布特征,同时将两个维度上的方向差异作为正负关联判断依据,构建时间维度和对象维度的关联系数,得到面板数据的灰色指标关联模型,并对模型的唯一性、对称性和可比性等性质进行证明.最后将该模型应用于苏南五市空气质量与主要污染物浓度的关联分析中,验证了灰色指标关联度不受对象排列顺序的影响,且能够反映指标间的正负关联关系.     

基于灰关联度的面板数据聚类方法及在空气污染分析中的应用

针对面板数据的三维特征、正负相关性以及灰色关联模型缺乏有效检验等问题,构建面板数据灰色关联模型,拓展了面板数据聚类方法;引入灰熵,提出灰色关联聚类的检验模型.研究发现,灰色关联度模型能够反映面板数据的正、负相关关系,且具有对称性、唯一性和可比性.通过在苏南4市空气质量区域划分中的应用,表明基于面板数据灰关联模型的聚类方法具有良好的效果,各类别的灰色关联度差异明显,层次清晰.     

基于面板数据的灰色四面体网格关联分析模型及应用

针对现有面板数据关联分析模型中指标的排列顺序变换引起灰色关联序不一致以及面板数据三角曲面构造的不足,提出一种基于面板数据的灰色四面体网格关联分析模型.首先,基于数列的组合原理将样本矩阵分解为二元指标子矩阵;其次,将二元指标子矩阵投射为空间四面体网格,并给出四面体的有向体积;然后,基于有向体积构造二元指标的关联系数,最终得到灰色四面体网格关联分析模型,并对模型的对称性、规范性、平移不变性等性质进行证明;最后,将模型应用到山东省沿海城市的空气质量评价,验证模型的合理性和有效性,并分析了灰色四面体网格关联分析模型不受指标排列顺序变化的影响.     

基于面板数据的接近性和相似性关联度模型

对于面板数据, 首先给出面板数据的空间投射方法, 将面板数据投射为空间的向量序列. 然后, 基于空间向量的夹角和距离分别构建相似性和接近性关联度模型. 具体方法为: 利用向量夹角构建面板数据的相似性关联度模型; 同时, 基于向量差的模构建面板数据的接近性关联度模型. 分别讨论两种关联度模型的规范性和对称性等性质. 最后, 通过实例验证了相似性和接近性关联度模型的合理性. 分析结果表明, 所提出的关联度模型能较好地反映面板数据的相似性和接近性的关联程度.

     

面板数据的灰色矩阵关联模型及在 旱灾脆弱性风险中的应用

针对现有面板数据灰色关联模型中存在样本(指标)的排列顺序影响关联序问题,构建面板数据下新的灰色关联模型.考虑到多指标面板数据的动态发展特征,在其矩阵表征中增加各指标对应的变化增量和变化速度,并用均方根距离(RMSD)对指标矩阵的相似性进行测度,提出灰色矩阵关联模型,讨论其规范性和保序性.通过算例验证该模型的关联度不受多指标样本排列顺序的影响,并将其应用于旱灾脆弱性风险因子的识别中,理清了区域农业旱灾脆弱性及其影响因素的关联关系,为区域农业旱灾风险管理提供了理论支持.     

基于面板数据的灰色B型关联模型及其应用

基于灰色B型关联分析的基本思想,针对现有面板数据灰色关联模型中对象排列顺序变化引起的关联序不一致的问题,以及因未充分考虑对象维度序列关于同一时刻不同对象下均值的变化率导致关联结果失真的问题,从时间维度和对象维度两个方面构建基于面板数据的灰色B型关联模型.在时间维度上,通过引进各指标间的总体位移差、一阶斜率差及二阶斜率差得到横向关联度;在对象维度上,采用各点与同一时刻不同对象下均值之比来刻画纵向关联度,并对两者求加权平均,进而构建出基于面板数据的灰色B型关联模型.讨论模型的规范性、一致保序性等性质.对比分析表明,模型简单有效且不受对象排列顺序的影响.以豫北平原5个市的干旱灾害风险指数为特征指标序列,理清干旱灾害风险指数与其12个影响因素的关联关系,为旱灾风险评估与调控提供理论支持.     

面板数据下的灰色指标关联聚类模型与应用

针对面板数据聚类研究存在的问题及现实需要, 构建面板数据下新的灰色指标关联聚类(AGRA) 模型. 构造所有指标不同对象下时间序列的累加生成序列, 用生成序列的平均生成速率表征原序列的动态变化趋势; 单个指标所有对象的平均生成速率构成该指标的平均生成速率序列, 从而综合偏离、差离和分离的三重差异信息, 构建指标关联分析模型; 提出面板数据下Mean-AGRA灰色指标关联聚类算法, 并应用于我国区域生态环境评价指标的降维问题. 分析结果验证了所提出模型的实用性和有效性.

     

基于面板数据的灰色曲率关联模型

对于面板数据,首先将面板数据投射为时间维度离散曲线和指标维度离散曲线;然后,基于离散曲率思想分别从时间维度和指标维度构建时间维度和指标维度关联系数公式,并以此构建面板数据灰色曲率关联模型,新的模型具有规范性、对称性、相似性、平移不变性等性质;最后通过与已有模型的对比和实例分析新的模型的合理性,结果表明,新的关联度能较好地反应面板数据的相关程度.     

基于灰色凸关联度的面板数据聚类方法及应用

研究面板数据的聚类方法。基于二维灰色凸关联度,用二阶差商近似代替二阶导数,利用黑塞矩阵的半正定性在三维空间中定义凸度;用数据的凸性表征样本之间的相似程度,提出了三维灰色凸关联度的概念,讨论了三维灰色凸关联度的性质。实例分析表明,三维灰色凸关联度能够较好地反映面板数据的关联程度。     

基于面积的灰色关联决策模型

以灰色关联决策理论为基础,分析经典灰色关联决策方法的优缺点.从两曲线相邻点间多边形面积的角度度量曲线在距离上的接近性和几何形状的相似性,提出以被选方案与理想方案间两相邻点的多边形面积作为关联系数,构建了灰色关联度公式.为了解决信息利用不充分和变化趋势不一致性问题,拟考虑被选方案与理想方案和负理想方案的关联度,构建了灰色关联相对贴近度模型.通过算例验证了所提出的灰色关联决策模型的合理性和算法的有效性.     

基于类别加权算子的环形灰靶决策

针对现有灰靶决策方法只有一个靶, 不能科学解决评价信息疏密程度不一致的决策问题, 通过有序增量法将决策者评价信息按信息的差异性分成不同的组别, 并给出类别加权算子的定义. 在此基础上, 定义一个靶心多个靶环的环形灰靶, 并将类别权重赋予相应的环形灰靶, 建立基于类别加权算子的环形灰靶决策方法. 该方法更接近现实灰靶, 且通过对方案评价信息的环内和环间信息的二次集结, 使得评价结果更为实用合理. 最后以一个应急案例进行了验证.

     

三参数区间灰数信息下的动态多属性决策方法

针对方案属性值为三参数区间灰数的动态多属性决策问题, 提出一种基于前景理论的动态多属性决策方法. 定义了三参数区间灰数距离测度和排序方法; 鉴于被评价对象在时序上的差异信息和波动性, 建立基于方差和时间度的确定时间权重的优化模型; 以两两方案互为参考点确定前景价值函数, 由此构建求解最优权向量的优化模型,并通过求解方案的综合前景值对方案进行排序. 实例研究表明了该方法的合理性和有效性.

     

基于后悔理论的多目标灰靶决策方法

针对属性值为区间灰数、权重信息不确定的多目标决策问题, 考虑决策者的心理行为, 提出一种基于后悔理论的多目标灰靶决策方法. 首先构造基于正负理想点的欣喜-后悔值函数, 建立正负靶心, 同时考虑方案与正负理想方案的接近性, 利用正负靶心距的空间投影距离构造一种新的靶心距函数, 并构建非线性优化模型来确定目标权重,最终确定出方案的排序. 最后以城市应急实例验证了所提出方法的有效性和可行性.

     

基于改进的TODIM方法的区间灰数多属性决策模型

针对属性值为区间灰数的多属性决策问题, 提出一种基于改进的TODIM方法的区间灰数多属性决策方法. 考虑决策者参照依赖的心理行为特征, 结合随机占优的思想给出两两方案相比较时的收益和损失; 分析经典TODIM方法中优势度和全局价值的不足, 给出新的优势度的表示方法和方案; 相对于其他方案收益和损失的总优势度的表示方法, 提出一种改进的TODIM方法. 最后通过实例说明了所提出方法的有效性和可行性.

     

基于指数函数的灰色动态多属性关联决策模型

针对同一属性下不同方案的邓氏关联度大小区分较弱以及关联度存在下限的问题, 定义基于指数函数的新关联度. 改进后的关联度对同一属性下不同方案间关联度的分辨率要高于原有关联度, 并证明了改进关联度的性质.利用指数关联度确定属性权重, 构造基于偏差和灰熵的确定了时间权重的优化模型. 最后, 将该方法用于河南省某地级市民营企业的经营业绩评价分析中, 实例说明了所提出模型的有效性和实用性.

     

基于累积前景理论的动态风险灰靶决策方法

研究信息值为区间灰数, 指标权重未知的动态风险决策问题, 提出一种基于累积前景理论和灰靶思想的决策方法. 该方法定义了区间灰数的距离测度和排序方法; 以各指标值的平均值作为参照点计算各时段的前景矩阵; 通过WAA算子将动态前景矩阵集结为静态前景矩阵; 在此基础上求解基于极大熵思想的规划模型得出各指标权重. 构造正负椭球灰靶模型, 根据各方案的正负靶心综合距对方案进行排序. 最后, 通过算例分析结果验证了该方法更加符合决策者的心理行为.

     

白化权函数已知的区间灰数预测模型

针对传统灰色预测模型无法进行灰数序列预测的缺陷,在白化权函数已知的情况下,通过计算中间层、起(止)点过渡层的面积以及中间层中位线中点的坐标,将区间灰数序列中所蕴含的信息完整地转换成实数序列;然后构建了一种新的区间灰数预测模型.应用分析验证了新模型的有效性及实用性.